Unicode 筆記
2017-03-16 10:03:30
Why
世界上的文字這麼多，ASCII顯然不夠用，而Unicode的出現就是為了要表示世界上所有的文字。
What
Unicode就是將每一個字用一組數字對應，稱做 code prints。表示的方式就用U+開頭，後面接16位元表示的數字，例如 A 所對應的 Unicode 就是 U+0041，而中文字的「一」則是 U+4e00。
How
編碼方式
Unicode可以分成不同的編碼方式，最原始的編碼是UTF-32，也就是每個字都用32-bit來儲存，但可以想像的是如果用這個編碼來儲存資料，檔案的大小會變得超大，另外它對原本的ASCII編碼的檔案也不相容，所以一開始Unicode並沒有被廣泛的使用。直到 UTF-8 的出現，它特殊的編碼方式解決了之前 UTF-32 遇到的問題。
UTF-8 的編碼方式如下：
| UTF-8 的數值(二進位表示) | 對應的 Code Print 的數值(二進位表示) | 對應的 Code Print 的範圍 |
| 0xxxxxxx | xxxxxxx | U+0000 - U+007F |
| 110xxxxx 10yyyyyy | xxxxxyyyyyy | U+0080 - U+07FF |
| 1110xxxx 10yyyyyy 10zzzzzz | xxxxyyyyyyzzzzzz | U+0800 - U+FFFF |
| 11110xxx 10yyyyyy 10zzzzzz 10aaaaaa | xxxyyyyyyzzzzzzaaaaaa | U+10000 - U+1FFFFF |
| 111110xx 10yyyyyy 10zzzzzz 10aaaaaa 10bbbbbb | xxyyyyyyzzzzzzaaaaaabbbbbb | U+200000 - U+3FFFFFF |
| 1111110x 10yyyyyy 10zzzzzz 10aaaaaa 10bbbbbb 10cccccc | xyyyyyyzzzzzzaaaaaabbbbbbcccccc | U+4000000 - U+7FFFFFFF |
這樣的編碼方式帶來了許多的優點：
- 編碼長度是根據字元對應的code print變動，所以檔案大小會比全部的字都用32-bit的方式儲存還來的省空間。
- 一開始的 U+0000 - U+007F 的範圍完全相容 ASCII 的編碼方式，所以原本用 ASCII 儲存的檔案可以無痛轉移。
- UTF-8的第一段編碼可以很明顯示區隔所表示的字，所以有極高的辦識度與容錯力。
它的優點不只是上面這些，更多細節可以參考這篇文章： 非常經典的 UTF-8... - Gea-Suan Lin's BLOG。
使用方式
如果你的網站不是用 UTF-8 的方式編碼，那顯然已經落後到看不到別人的車尾燈。要支援 UTF-8 其實很簡單，只要在網頁中head的一開始加上<meta charset="utf-8" />就可以嘍，不過要注意的是這個meta一定得放在head非常前面的地方，因為瀏覽器一看到這個meta就會停止分析，然後改用指定的編碼方式重新分析網頁。
